基于增量式貝葉斯分類器的故障診斷研究

孫磊　朱立富　許曉鵬

摘 要:本文針對貝葉斯分類器精度不高,需要大量樣本集學(xué)習(xí),尤其是當(dāng)獲得大量的帶有類別標(biāo)注的樣本代價(jià)較高時(shí)的缺點(diǎn),探討了一種基于增量式貝葉斯分類器的故障診斷方法,使用該模型不斷積累完善樣本,自動(dòng)修正網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)和概率分布參數(shù),從而達(dá)到診斷效果的高效性。也把該模型運(yùn)用到變壓器的故障診斷中,通過大量的實(shí)例證明,該模型運(yùn)用的算法在現(xiàn)實(shí)工作中有實(shí)質(zhì)的可行性和操作性。

關(guān)鍵詞:增量式貝葉斯變壓器故障診斷研究機(jī)構(gòu)及算法

中圖分類號(hào):TP2 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1674-098X(2012)07(c)-0104-011 引言

本文提出了基于小規(guī)模訓(xùn)練集的增量式貝葉斯分類,給出增量式貝葉斯分類機(jī)理參數(shù)計(jì)算及其算法。較貝葉斯算法增加自適應(yīng)訓(xùn)練能力,提高故障診斷率。

2 增量式貝葉斯分類器結(jié)構(gòu)及算法

相比較傳統(tǒng)貝葉斯分類器的閾值常數(shù)的靜態(tài)過程,增量式貝葉斯分類器主要是利用樣本信息的不斷修正,來提高分類精度是一個(gè)動(dòng)態(tài)修正過程。

增量分類的任務(wù)實(shí)質(zhì)是根據(jù)先驗(yàn)信息和樣本信息來確定和。其中為訓(xùn)練樣本中屬于類的次數(shù),為訓(xùn)練樣本數(shù),為增量樣本數(shù)。采用拉普拉斯概率估計(jì),可獲得下面的參數(shù)估計(jì):設(shè)定后續(xù)樣本集的處理,輸入:故障樣本集,余下的作為測試樣本集。輸出:分類器C。

該結(jié)構(gòu)的算法是一個(gè)無限循環(huán)過程,貝葉斯本身具有增量學(xué)習(xí)特性,再修正過程中選擇性修正更新信息,使得分類器增量地進(jìn)行,從而提高了分類精度,減少了大量重復(fù)樣本學(xué)習(xí)與訓(xùn)練時(shí)間。

3 建立基于貝葉斯的變壓器故障診斷模型

為了檢驗(yàn)增量式貝葉斯分類器的有效性,建立基于增量式貝葉斯分類器的變壓器故障診斷模型步驟如下:

(1)建立變壓器故障樣本集,全面分類;

(2)設(shè)定動(dòng)態(tài)閾值參數(shù),建立診斷數(shù)學(xué)模型;

(3)將故障樣本集輸入增量式貝葉斯分類器故障診斷模型;

(4)訓(xùn)練后的診斷模型測試樣本集,將傳統(tǒng)貝葉斯分類器與增量式貝葉斯分類器進(jìn)行對比。

4 診斷實(shí)例

某發(fā)電廠變壓器額定容量為110MVA,額定電壓為110/35/10.5kV,根據(jù)絕緣電阻、泄漏電流、介質(zhì)損耗、三比值法等測試樣本,根據(jù)對應(yīng)數(shù)值編輯數(shù)據(jù)測試樣本為401000111.將其送入訓(xùn)練后的測試模型。經(jīng)過增量式分類器與傳統(tǒng)貝葉斯分類器的后驗(yàn)概率分別為0.078和0.012,見表1,對應(yīng)為C8,因此判斷該變壓器故障為絕緣性能下降。通過實(shí)際檢驗(yàn)變壓器漏電現(xiàn)象確由鐵芯內(nèi)絕緣性能下降所致。(如表1）

5 結(jié)語

本文引入增量式貝葉斯分類器,通過建立變壓器故障診斷模型,比較了傳統(tǒng)貝葉斯分類器,通過實(shí)例說明增量式貝葉斯分類器比傳統(tǒng)的貝葉斯分類器在運(yùn)行性能上具有優(yōu)越性,從而也證實(shí)了增量式貝葉斯分類器在診斷故障過程中的精確性與準(zhǔn)確性。

參考文獻(xiàn)

[1] 曾界洲,徐玉珍.一種基于模糊神經(jīng)網(wǎng)路的變壓器故障診斷方法的研究[J],閩江學(xué)院學(xué)報(bào),2004(10):30-33.

[2] 尚勇,閏春江,嚴(yán)璋,等.基于信息融合的大型油浸電力變壓器故障診斷[J].中國電機(jī)工程學(xué)報(bào),2002,22(7):l15-l18.

[3] P.Purkait.Time and Frequency Domain Analyses Based Expert System for Impulse Fault Diagnosis in Transformers.Transactions on Dielectrics and Electrical Insulation,2002,6(3):433-445.

[4] Jorge Pleite,Carlos González.Power Transfomer Core Fault Diagnosis Using Frequency Response Analysis.MELECON,2006,5(16):1126-1129.

[5] 吳立增,朱永利,苑津莎.基于貝葉斯網(wǎng)絡(luò)分類器的變壓器綜合故障診斷方法[J].電工技術(shù)學(xué)報(bào),2005,4(4):45-51.

[6] 孫輝,李衛(wèi)東,孫啟忠．判決樹方法用于變壓器故障診斷的研究[J]．中國電機(jī)工程學(xué)報(bào),2001,21(2):50-55.

[7] 高文勝,錢政,嚴(yán)璋.基于決策樹神經(jīng)網(wǎng)絡(luò)模型的電力變壓器故障診斷方法[J].西安交通大學(xué)學(xué)報(bào),1999,33(6):11-16.

[8] 劉娜,高文勝,談克雄.基于組合神經(jīng)網(wǎng)絡(luò)模型的電力壓器故障診斷方法[J].電工技術(shù)學(xué)報(bào),2003,18(2):83-86.